Self-directed learning needs, patterns, and outcomes among general surgeons
Notice bibliographique
Résumé
INTRODUCTION: To explore the relationship between self-directed learning (SDL) needs, patterns, barriers, and outcomes among nonacademic general surgeons. METHODS: Participants dictated details of SDL episodes associated with cancer patient management from October 2007 to March 2008. Transcripts were coded thematically. Frequencies were calculated for elements of each SDL stage. Statistical significance among subgroups was established with the use of the Pearson chi-square test, adjusted for clustering by surgeon. Participants were interviewed by telephone, and transcripts were analyzed by qualitative methods. RESULTS: Of 21 consenting surgeons, 15 submitted 115 cases, and 108 were analyzed. Most involved breast (40.7%), colon (18.5%), or rectal cancer (13.0%); 2 or more clinical tasks (41.7%); and 2 or more questions (89.8%). Information was sought from the Internet (48.1%), colleagues (24.2%), or both (6.8%). Information was partially, or not relevant for 21.3% of cases. Evidence was new for 66.7%, and confirmed knowledge for 10.7% of cases. Learning helped surgeons formulate new (34.2%), or confirm original (16.5%) management plans, or determine that referral was appropriate (39.2%). Use of codified sources was associated with information retrieval (P < .05), and identifying new evidence leading to a change in management from that initially proposed (P < or = .001). DISCUSSION: Numerous individual and systemic barriers may prevent practicing physicians from undertaking SDL, but provision of structured guidance prompted SDL and resulted in several beneficial outcomes. Further research is needed to validate these findings, and investigate who should support SDL, and how.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».